SEISAMUSE是一个关于地震学和地球物理学的个人博客，作者分享研究见解、论文评论、实地故事和教程，旨在促进知识共享和与地球科学社区的联系。

本研究提出了一个系统框架，用于评估地球物理学中基础模型的应用流程。通过结合转移学习与物理约束，减少了对标记数据的依赖，提高了计算效率，并增强了模型的物理一致性和可解释性。

本文研究了物理感知神经网络（PINNs）在亥姆霍兹方程和逆散射问题中的应用，提出了改进的GaborPINN方法，显著提升了收敛速度。数值实验验证了其在地震学及其他地球物理学领域的有效性，拓展了超材料设计和散射问题的解决方案。

介绍了SLIM开源软件框架，可用于计算地球物理学和反演问题，包括波动方程和多相流模拟。该软件可读性强且可扩展，可利用高性能计算。演示了设计原则及其益处，用于反演渗透率，涉及机器学习。